计数满足“小于”过滤器的值序列的行答案

【问题标题】：Count rows satisfying "less than" filter for sequence of values计数满足“小于”过滤器的值序列的行
【发布时间】：2020-10-21 15:01:15
【问题描述】：

我有一个包含很多次的数据集。假设我想创建一个汇总表，计算满足“小于”过滤器的一系列值的行数，例如 [时间

示例数据集：

data.frame(personId = c("2009ZEMD01", "2012PARK03", "2017VILL41", "2010WEYE01", "2016KOLA02", "2012PONC02"), 
           average = c(553, 559, 598, 606, 612, 613))

这是我使用sapply的解决方案：

  tibble(time = 6:15, 
         count = sapply(time, function(t) best_3x3_solvers %>% filter(average/100 < t) %>% nrow))

结果：

> solvers_under
# A tibble: 10 x 2
    time count
   <int> <int>
 1     6     3
 2     7    48
 3     8   274
 4     9   840
 5    10  1952
 6    11  3792
 7    12  6269
 8    13  9459
 9    14 13204
10    15 17274

代码不算太长，但是有没有没有*apply的使用更多tidyverse工具的方法？也许summarize 和n()。

【问题讨论】：

标签： r filter count tidyverse

【解决方案1】：

dplyr 和 purrr 选项可以是：

map_dfr(.x = 6:15,
        ~ df %>%
         group_by(time = .x) %>%
         summarise(count = sum(average/100 < .x)))

    time count
   <int> <int>
 1     6     3
 2     7     6
 3     8     6
 4     9     6
 5    10     6
 6    11     6
 7    12     6
 8    13     6
 9    14     6
10    15     6

【讨论】：

嗯，那么map 是lapply 和map_dfr 的tidyverse 版本，将rowwise 与匿名函数组合成df？唯一令人困惑的是group_by的使用。
是的，purrr 包含可以被视为tidyverse 等效于lapply() 或mapply() 的函数:)

【解决方案2】：

你可以使用汇总、计数和过滤

df%>%group_by(time)%>%summarise(count = n())%>%filter(count < t)

【讨论】：

你确定这是我想要的吗？哪里来的？
我想我已经正确理解了您的问题，但也许没有。 t 将是您需要的过滤器，即

【解决方案3】：

这是一种方法：

library(dplyr)
library(purrr)

map_df(6:15, ~df %>% summarise(time = .x, count = sum(average/100 < .x)))

#    time count
# 1     6     3
# 2     7     6
# 3     8     6
# 4     9     6
# 5    10     6
# 6    11     6
# 7    12     6
# 8    13     6
# 9    14     6
#10    15     6

【讨论】：

所以map_df 与map_dfr 相同？
大部分时间，是的。